Comet如何在GitLab DevOps平臺上簡化機器學習？

banq發表於2021-12-07
Gitlabdev機器學習

ML 開發中一個經常被忽視的挑戰是將模型整合到現有軟體應用程式的過程。如果您的任務是為產品新增 ML 功能，您幾乎肯定會遇到必須與您的模型完美配合的現有程式碼庫。委婉地說，這不是一件容易的事。
ML 是一門高度迭代的學科。在開發模型的過程中，團隊經常對其程式碼庫和管道進行許多更改。將 ML 程式碼庫與應用程式的依賴項、單元測試和 CI/CD 管道耦合將顯著降低 ML 團隊交付解決方案的速度，因為每次更改都需要在批准合併之前執行這些下游依賴項。
藉助 GitLab DevOps 平臺和 Comet，我們可以將 ML 和工程團隊之間的工作流分開，同時透過保持跨團隊的整個模型開發過程的可見性和可審計性來實現跨團隊協作。
我們將使用兩個獨立的專案來演示這個過程。一個專案將包含我們用於手寫數字識別器的應用程式程式碼，而另一個專案將包含與訓練和評估我們的模型相關的所有程式碼。
我們將採用一個流程，在 GitLab DevOps 平臺內自動釋出和跟蹤討論、程式碼審查和模型效能指標，從而提高資料科學家和軟體工程師之間針對機器學習工作流進行協作的速度和機會。
具體方式點選標題見原文
 

相關文章